大模型推理能力

How Do Tool-Augmented LLM Agents Perform on Real-World Energy Analytics Tasks?

工具增强的LLM智能体在真实世界能源分析任务中的表现如何？

David Akinpelu, Akintonde Abbas, Rereloluwa Alimi, Ayodeji Lana

机构 * Independent Researcher（独立研究员） ； Tume AI 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 针对能源领域缺乏智能体评估基准的问题，构建了包含243个专家策划问题的测试环境，评估工具增强的LLM智能体在数据检索、知识解释和定量建模三类任务上的表现。

Agentic Knowledge Tracing: A Multi-Agent LLM Architecture for Stealth Assessment of Financial Literacy in Serious Games

Agentic知识追踪：用于严肃游戏中金融素养隐形评估的多智能体大语言模型架构

Gabriel Santos, Rita Julia, Marcelo Nascimento

机构 * Federal University of Uberlândia Computer Science Faculty（伯南布哥联邦大学计算机科学学院） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出多智能体大语言模型架构Agentic BKT，通过四阶段流程从严肃游戏事件中隐形评估金融素养，实验表明其预测效度显著优于单智能体基线。

Comments 8 pages, 5 figures, IEEE CoG 2026

Power-Flexible AI Data Centers: A New Paradigm for Grid-Responsive Compute

灵活功率的AI数据中心：一种电网响应式计算的新范式

Chris Williams, Philip Colangelo, Ayse Coskun, Ethan Levine, Andy Neale, Ciaran Roberts, Shayan Sengupta, Nikhil Shirolkar, Varun Sivaram, Sarah Soares, Ethan Tiao, Scott Underwood, Daniel Wilson, Frank Sharp, Luke Wainwright, Harry Petty, Scott Wallace, Brandon Records

机构 * Emerald AI ； Electric Power Research Institute (EPRI)（电力研究研究院） ； National Grid（国家电网） ； NVIDIA ； Oracle 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 本文提出将GPU集群作为电网交互式资产，通过软件编排实现负载快速削减、持续降载和碳感知运行，同时保持优先级任务服务水平，并实现跨地理集群的性能感知负载迁移。

Comments 14 pages, 7 figures, 1 table

Graph-Based Phonetic Error Correction of Noisy ASR

基于图的噪声ASR语音错误纠正

Pratik Rakesh Singh, Mohammadi Zaki, Aneesh Mukkamala, Pankaj Wasnik

机构 * Sony Research India（索尼印度研究院） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 提出G-SPIN框架，结合图神经网络构建音近候选集，并用掩码语言模型和指令调优大语言模型进行上下文重排序，以纠正ASR中结构化的音近错误。

Comments Accepted at ACL Industry Track 2026

World Models in Pieces: Structural Certification for General Agents

分片世界模型：通用智能体的结构化认证

Yikai Lu, Yifei Wu, Xinyu Lu, Tongxin Li

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, Shenzhen, China（香港中文大学（深圳）数据科学学院） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 针对通用智能体在大世界场景下无法普遍胜任的问题，提出结构化认证框架，通过深度组合目标过滤特定转移，证明世界模型具有O(1/n)+O(δ)误差界，实现可认证部署。

Comments 30 pages, camera-ready version in ICML 2026

AsyncOPD: How Stale Can On-Policy Distillation Be?

AsyncOPD：同策略蒸馏可以有多陈旧？

Wonjun Kang, Kevin Galim, Seunghyuk Oh, Minjun Kang, Sanghyun Park, Donghoon Kim, Minjae Lee, Minseo Kim, Rishabh Tiwari, Yuchen Zeng, Hyung Il Koo, Kangwook Lee

机构 * FuriosaAI ； Ajou University（亚洲大学） ； UC Berkeley（加州大学伯克利分校） ； Microsoft Research（微软研究院） ； KRAFTON ； Ludo Robotics 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG

AI总结 研究异步同策略蒸馏中陈旧数据的影响，发现前向KL对陈旧更鲁棒，反向KL脆弱但可通过重算信号缓解，并提出AsyncOPD框架实现1.6-3.8倍加速。

Comments Code: https://github.com/furiosa-ai/async-opd

Maestro Order: A Model-Agnostic Orchestration Harness

Maestro Order: 一种模型无关的编排框架

Hidayet Aksu

专题命中 规划推理 ：verifier(abstract)；分类 cs.AI

AI总结 提出Maestro Order框架，通过分解、集成、验证和递归四种原语组合模型，并利用预算感知控制器分配计算资源，将不可靠的求解器转化为可靠的问题解决系统，显著提升可靠性。

Comments 10 pages, 4 figures

Decentralized Autonomous Traffic Management through Corridor Networks

通过走廊网络的去中心化自主交通管理

Jasmine Jerry Aloor, Aadarsh Govada, Hamsa Balakrishnan

机构 * Department of Aeronautics and Astronautics（航空航天系） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Maryland（马里兰大学） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 针对高密度自主航空交通，提出基于多智能体强化学习的去中心化走廊网络交通流管理方法，零样本迁移至复杂网络，无需集中协调或重训练。

Comments Presented at the Second US-Europe Air Transportation Research and Development Symposium (ATRDS2026)

Superhuman AI for Generals.io Using Self-Play Reinforcement Learning

基于自我对弈强化学习的Generals.io超人类AI

Matej Straka, Viliam Lisý, Martin Schmid

机构 * Department of Applied Mathematics, Charles University（查尔斯大学应用数学系） ； Department of Computer Science, Faculty of Electrical Engineering, Czech Technical University in Prague（捷克理工大学电气工程学院计算机科学系） ； EquiLibre Technologies, Inc.（EquiLibre Technologies公司） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.LG

AI总结 通过自研JAX模拟器（单GPU每秒千万帧，提速万倍）和自对弈策略梯度训练视觉Transformer，在实时策略游戏Generals.io中达到超人类水平，1v1排行榜第一，对顶级人类玩家胜率199-70。

Predicate Importance Estimation and Decoupled Rationale-Score Distillation for Entity Alignment

谓词重要性估计与解耦理由-分数蒸馏用于实体对齐

Keunha Kim, Yoonjin Jang, Hyeon-gu Lee, Sihyung Kim, Youngjoong Ko

机构 * SungKyunKwan University（成均馆大学） ； NAVER 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 提出谓词重要性估计和解耦理由-分数蒸馏两个模块，通过谓词感知嵌入和蒸馏小语言模型提升知识图谱实体对齐性能，并利用分数与理由的不一致实现人机协同验证。

Comments 12 pages, 10 figures

CodeTeam: An LLM-Powered Multi-Agent Framework for Repository-Level Code Generation

CodeTeam: 一个基于LLM的多智能体框架用于仓库级代码生成

Yifei Wang, Ruiyin Li, Peng Liang, Qiong Feng, Zengyang Li, Mojtaba Shahin, Arif Ali Khan

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Computer Science, Nanjing University of Science and Technology（南京理工大学计算机学院） ； School of Computer Science, Central China Normal University（中央财经大学计算机学院） ； School of Computing Technologies, RMIT University（皇家墨尔本理工学院计算技术学院） ； M3S Research Group, SEIS Unit, University of Oulu（奥卢大学M3S研究组，SEIS单元） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 提出CodeTeam框架，通过分离规划、决策和实现阶段，结合多智能体协作与依赖感知调度，解决仓库级代码生成中的长程规划与跨文件一致性问题，在SketchEval和NL2Repo-Bench上取得显著提升。

Comments 36 pages, 5 images, 9 tables, Manuscript submitted to a Journal (2026)

Agent Behavior Mining: Generative AI Agent Governance in Business Processes

智能体行为挖掘：业务流程中的生成式AI智能体治理

Hoang Vu, Maximilian Körner, Adrian Rebmann, Gabriel Kevorkian, Michael Perscheid, Gregor Berg, Timotheus Kampik

机构 * SAP ； Umeå University（于默奥大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 针对生成式AI智能体在业务流程中的不可见自主性风险，提出智能体行为挖掘方法，通过事件数据模型将智能体活动转化为标准流程日志，实现决策可观测与可追溯，并验证其实用性。

Comments Accepted at BPM conference 2026 management main track

Zhinong AI: A Design-Science Study of an AI-Enabled Agricultural Decision-Support Platform for Smallholder Production

Zhinong AI：面向小农生产的AI赋能农业决策支持平台的设计科学研究

Zhaoyang Li, Jiaqi Liu, Ruijie Zhang

机构 * University of Sanya（三亚大学） ； Hebei International Studies University（河北国际关系学院） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 本文通过设计科学研究，提出了一个集成信息推送、问答、诊断、日历管理等功能的小农决策支持平台，并构建了分层架构、闭环流程、评估指标和治理框架，为AI农业原型转化为可测试、负责任的基础设施提供了结构化研究框架。

Calibration Without Comprehension: Diagnosing the Limits of Fine-Tuning LLMs for Vulnerability Detection in Systems Software

无理解的校准：诊断微调大语言模型在系统软件漏洞检测中的局限性

Arastoo Zibaeirad, Marco Vieira

机构 * University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出CWE-Trace框架，通过834个Linux内核样本和两个诊断指标（DFI和HDD）评估LLM漏洞检测能力，发现数据污染无实质帮助，微调仅改变输出阈值而非决策策略，模型缺乏真正的安全推理能力。

Lagrange: An Open-Vocabulary, Energy-Based Sparse Framework for Generalized End-to-End Driving

Lagrange: 一种面向通用端到端驾驶的开放词汇、基于能量的稀疏框架

Shihao Ji, HongXi Li, Zihui Song, Mingyu Li

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出Lagrange框架，利用掩码潜在场和视觉语言模型实现开放词汇、稀疏计算，通过拉格朗日动作最小化确保运动学约束，在nuScenes和CODA基准上验证了鲁棒性和可解释性。

Enhancing Decision-Making with Large Language Models through Multi-Agent Fictitious Play

通过多智能体虚拟博弈增强大语言模型的决策能力

Leyang Shen, Yang Zhang, Xiaoyan Zhao, Chun Kai Ling, Tat-Seng Chua

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 针对多智能体系统中决策任务因立场纠缠而难以分解的问题，提出基于虚拟博弈的多智能体虚拟博弈（MAFP）范式，通过迭代最佳响应实现均衡求解，提升决策质量和鲁棒性。

Comments 18 pages, 8 figures

User as Engram: Internalizing Per-User Memory as Local Parametric Edits

用户作为印迹：将每用户记忆内化为局部参数编辑

Bojie Li

机构 * Pine AI 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出User as Engram方法，将用户事实存储为Engram模型的哈希键控记忆表中的局部编辑，推理技能共享一个适配器，实现高精度间接推理且内存占用极小。

Toward Vibe Medicine: A Self-Evolving Multi-Agent Framework for Clinical Decision Support

迈向振动医学：一种用于临床决策支持的自演化多智能体框架

Qianxue Zhang, Yiming Ren, Shihuan Qin, Xiao Zhang, Liao Zhang, Jinyang Huang, Zhengliang Liu, Chenbin Liu, Hongying Feng, Jingyuan Chen, Yuzhen Ding, Weihang You, Hanqi Jiang, Yi Pan, Yifan Zhou, Junhao Chen, Lifeng Chen, Wei Liu, Tianming Liu, Zengren Zhao, Lian Zhang

机构 * Medical AI Lab, The First Hospital of Hebei Medical University（河北医科大学第一医院医学人工智能实验室） ； Hebei Provincial Engineering Research Center for AI-Based Cancer Treatment Decision-Making, The First Hospital of Hebei Medical University（河北省人工智能癌症治疗决策工程研究中心，河北医科大学第一医院） ； State Key Laboratory of Neurology and Oncology Drug Development（神经与肿瘤药物研发国家重点实验室） ； School of Computing, University of Georgia（佐治亚大学计算学院） ； Department of Radiation Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital and Shenzhen Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院国家癌症中心/国家肿瘤临床医学研究中心/肿瘤医院深圳医院放射治疗科） ； Department of Radiation Oncology, Mayo Clinic（梅奥诊所放射肿瘤科） ； College of Mechanical and Power Engineering, China Three Gorges University（三峡大学机械与动力工程学院） ； Department of Radiation Oncology, Guangzhou Concord Cancer Center（广州康华肿瘤中心放射治疗科） ； Gastrointestinal Disease Diagnosis and Treatment Center, The First Hospital of Hebei Medical University（河北医科大学第一医院胃肠疾病诊疗中心） ； Department of General Surgery, The First Hospital of Hebei Medical University（河北医科大学第一医院普通外科） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 提出VIBEMed多智能体框架，通过自演化机制和架构级安全沙箱，从交互历史中动态学习，实现个性化临床决策支持。

LoHoSearch: Benchmarking Long-Horizon Search Agents Beyond the Human Difficulty Ceiling

LoHoSearch: 超越人类难度上限的长时域搜索代理基准测试

Jiarui Zhao, Rongzhi Zhang, Lingchuan Liu, Hao Yang, Xunliang Cai, Xi Su

机构 * Meituan（美团） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 提出LoHoSearch基准，基于700万维基实体知识图谱自动构建544个复杂问题，评估显示最强模型仅34.74%准确率，远超人类难度上限。

Fixed-Point Reasoners: Stable and Adaptive Deep Looped Transformers

不动点推理器：稳定且自适应的深度循环Transformer

Sajad Movahedi, Vera Milovanović, Shlomo Libo Feigin, Alexander Theus, Thomas Hofmann, Valentina Boeva, T. Konstantin Rusch, Antonio Orvieto

机构 * ELLIS Institute Tübingen, Max Planck Institute for Intelligent Systems, Tübingen AI Center（ELLIS研究所蒂宾根，马克斯·普朗克智能系统研究所，蒂宾根人工智能中心） ； ETH Zurich（苏黎世联邦理工学院） ； Swiss Institute of Bioinformatics（瑞士生物信息学研究所） ； Université Paris Cité（巴黎西岱大学） ； Liquid AI 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 针对循环架构中深度导致的信号传播问题，提出基于预层归一化和残差缩放的FPRM模型，利用不动点收敛作为端到端停止机制，在Sudoku、Maze等推理基准上自适应计算并有效提升性能。

Comments Code available at https://github.com/nilskiKonjIzDunava/fprm

A Unified Framework for Context-Aware and Relation-Aware Graph Retrieval-Augmented Generation

上下文感知与关系感知的图检索增强生成统一框架

Haoyang Zhong, Yifei Sun, Antong Zhang, Chunping Wang, Lei Chen, Yang Yang

机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Finvolution Group（信也科技集团） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出HyGRAG分层图RAG框架，通过构建融合上下文与关系的摘要、跨层级检索及动态更新，将多跳推理准确率提升9.7%。

Comments Accepted at The ACM Web Conference 2026 (WWW '26)

MagicSim: A Unified Infrastructure for Executable Embodied Interaction

MagicSim: 可执行具身交互的统一基础设施

Haoran Lu, Songling Liu, Yue Chen, Guo Ye, Mutian Shen, Shuyang Yu, Yu Xiao, Jihai Zhao, Shang Wu, Jianshu Zhang, Xiangtian Gui, Chuye Hong, Yuran Wang, Maojiang Su, Jiayi Wang, Ruihai Wu, Zhaoran Wang, Han Liu

机构 * Northwestern University（西北大学） ； Peking University（北京大学） ； University of California, Berkeley（加州大学伯克利分校） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 提出MagicSim，一个基于确定性批处理运行时和共享MDP的具身交互基础设施，通过YAML规范解耦内容、放置、行为和智能体暴露，统一世界构建、执行、评估和自动生成轨迹。

Transformer-Based Warm-Starting for Feasible and Optimal Terminal Approach to Tumbling Objects with Space Manipulators

基于Transformer的可行且最优末端接近翻滚目标的空间机械臂热启动方法

Yuji Takubo, Maximilian Adang, Mac Schwager, Simone D'Amico

机构 * Stanford University（斯坦福大学） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 针对空间机械臂末端接近翻滚目标的实时轨迹生成问题，提出基于因果Transformer的热启动方法，通过分解规划并热启动姿态-力矩分配阶段，在300个测试场景中减少28%迭代次数和23%运行时间，同时保持控制成本分布。

Comments 8 pages, 4 figures

From Shield to Target: Denial-of-Service Attacks on LLM-Based Agent Guardrails

从盾牌到靶心：针对基于LLM的智能体护栏的拒绝服务攻击

Yuguang Zhou, Xunguang Wang, Pingchuan Ma, Zhantong Xue, Zhaoyu Wang, Shuai Wang

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文揭示基于LLM的护栏易受拒绝服务攻击，通过束搜索优化框架和机制感知结构变异生成恶意负载，导致令牌放大13-63倍、延迟放大148倍，威胁系统可用性。

Context-Aware RL for Agentic and Multimodal LLMs

上下文感知强化学习用于智能体与多模态大语言模型

Peiyang Xu, Bangzheng Li, Sijia Liu, Karthik R. Narasimhan, Pramod Viswanath, Prateek Mittal, Xingyu Fu

机构 * Princeton University（普林斯顿大学） ； UC Davis（加州大学戴维斯分校） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 提出ContextRL方法，通过间接辅助目标（上下文选择奖励）增强大模型在长上下文和多模态任务中的细粒度推理能力，在5个长程基准和12个视觉问答基准上分别提升+2.2%和+1.8%。

Comments 29 pages, 9 figures

Medical world models: representing medical states, modelling clinical dynamics and guiding intervention policies

医疗世界模型：表示医疗状态、建模临床动态与指导干预策略

Ke Liu, Mengxuan Li, Yanyi Bao, Tianyun Zhang, Chong Chu, Jiajun Bu, Haishuai Wang

机构 * College of Computer Science, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Medicine, Zhejiang University（浙江大学医学院） ； Department of Biomedical Informatics, Harvard University（哈佛大学生物医学信息学系） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 本文提出医疗世界模型框架，通过构建患者状态、建模临床动态和支持干预决策，推动医疗AI从静态诊断向动态模拟演进。

Misinformation Propagation in Benign Multi-Agent Systems

良性多智能体系统中的错误信息传播

Jonas Becker, Jan Philip Wahle, Terry Ruas, Bela Gipp

机构 * University of Göttingen, Germany（德国哥廷根大学） ； LKA NRW, Germany（德国北莱茵-威斯特法伦州警署） ； Shared last authorship（共同通讯作者） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 研究在良性多智能体系统中，基于意图的错误信息如何通过智能体交互传播，并发现多智能体辩论相比单智能体提示能减少性能下降，鲁棒性取决于群体组成和决策协议。

Comments 20 pages, 8 figures, 1 table

User as Code: Executable Memory for Personalized Agents

用户即代码：面向个性化智能体的可执行记忆

Bojie Li

机构 * Pine AI 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出可执行记忆范式User as Code，将用户模型转化为可运行的Python代码，通过两阶段流水线实现精确聚合与规则执行，在长对话基准上达到78.8%召回率，聚合问题准确率99%，并能主动触发安全警报。

Can LLM Coding Agents Reason About Time Series?

LLM 编码智能体能否推理时间序列？

Filip Rechtorík, Ondřej Dušek, Zdeněk Kasner

机构 * Institute of Formal and Applied Linguistics, Faculty of Mathematics and Physics, Charles University（查尔斯大学数学与物理学院形式与应用语言学研究所） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 研究 LLM 编码智能体在时间序列分析中的能力，发现代码访问可提升性能达 10%，但仍有 22-34% 错误，并分析了推理差距。

Comments 17 pages, 7 figures

Steering Emotional Dynamics for Art Therapy: Controllable Narrative Script Generation through Hierarchically Guided LLM Agents

引导艺术治疗的情感动态：通过分层引导的LLM智能体实现可控叙事脚本生成

Suqing Wang, Qinghai Miao, Chao Guo, Yisheng Lv

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 提出EC-Script框架，通过分层控制情感轨迹生成叙事脚本，实现情感轨迹规划、场景驱动和局部情感调节，显著优于基线方法。